收藏本站
《山东大学》 2015年
收藏 | 手机打开
二维码
手机客户端打开本文

基于神经网络的无线通信算法研究

李素芳  
【摘要】:人工神经网络(Artificial Neural Network, ANN)是智能计算发展的一个主流方向,它是一种通过模仿生物神经网络的行为特征来进行分布式并行信息处理的智能算法模型,是近几年来快速发展的一种理想的智能优化算法之一。相较于其它智能优化算法,神经网络具有的非线性、输入输出映射性、自适应性、容错性、高速并行性、自学习性等优点,必将为无线通信发展提供重要的技术支持。无线通信技术的飞速发展要求更先进的智能信息处理技术与之匹配,近几年来,神经网络广泛而深入地应用于通信领域中的各种优化问题之中。然而,由于无线通信系统中需要解决的问题大部分是在复数域内进行处理,比如信道均衡、信道估计等,而传统的智能优化算法往往局限于实数域内的信息处理,这就要求我们必须进一步研究基于复值神经网络的无线通信系统算法。本文采用ANN,通过对无线通信领域中的资源分配问题、干扰网络分簇问题及信道跟踪和预测问题、MIMO检测问题的研究,由实数域神经网络至复数域神经网络逐渐过渡由浅入深地研究了基于神经网络的无线通信算法,具体内容如下:1.基于Hopfield神经网络的组合优化问题。由于MIMO OFDM技术是下一代无线通信的关键技术之一,如何更好地利用OFDM系统进行资源分配成为通信领域的研究重点。本文采用Hopfield神经网络,在满足各个用户业务要求、传输速率及其性能一定的前提下提出自适应资源分配方案。该方案首先是将该资源分配问题转化成组合优化问题,然后再分别通过网络模型、能量函数及动态方程的构建实现最终目标。在Hopfield神经网络自适应资源分配的基础上,论文进一步研究了多用户干扰网络中的干扰对齐(IA)分簇问题,在该问题中干扰网络被看做是一个加权图形,每一个用户看成是一个顶点,各用户之间的干扰看成是顶点之间的连线即图形中的连接权。根据集分割理论,该分簇问题即可转化为一种最大化簇内的边界权值总和的优化问题。因此,根据Hopfield神经网络优化方法,IA分簇问题可通过Hopfield神经网络模型映射、Hopfield神经网络模型构建、能量函数和动态方程的构建来实现。该应用进一步说明,通过Hopfield神经网络无需条件放松即可直接解决非线性规划(NLP)问题或非凸优化问题。与传统的穷举法相比,Hopfield神经网络方法寻优更快、收敛性能更好、稳定性更强。2.基于复值BP神经网络的信道跟踪与预测算法。由于无线信道的时变性,发射机所获得的信道状态信息(CSI)和信号发送时刻的真实CSI之间总会存在延时误差。为了补偿该延时误差,本文通过复值BP神经网络算法进行信道的跟踪与预测。采用复值BP神经网络进行信道跟踪与预测,首先需要构建网络跟踪模型,该模型输出是具有延时的CSI,然后再进一步将网络跟踪模型参数传递给与跟踪模型具有相似结构的神经网络预测模型进行信道参数的预测。与卡尔曼跟踪算法进行比较,本文算法预测误差更小,且由于神经网络本身的高速并行性,本文算法运算速度更快,可以实现时变信道的实时处理。3.复值神经网络的改进。无论是实值神经网络还是复值神经网络,当其输出值接近极值(0或1)时,其输出往往会陷入局部极值或寻优失败。为了避免出现该情况,本文提出了一种基于误差修正的复值神经网络,该误差函数引入了一种对数函数。修正后,当输出接近极值时,由于从公式上消除了1和输出极值之差,此时误差的反向传播可以通过真实值和理想值之差直接传播,避免网络输出接近极值时复值神经网络陷入局部极值或寻优失败的风险。由于卡尔曼滤波是参数估计方法中较为常用的方法之一,本文首先通过卡尔曼滤波算法进行复值神经网络的复数连接权值估计,再通过复值神经网络训练产生一种新型估计方法,通过该估计方法实现了复值函数的预测。首先建立神经网络跟踪模型,然后用卡尔曼滤波估计网络的连接权值,估计出最优权值后将该参数再次用于神经训练实现最终的函数预测。尽管算法相较于传统的复值神经网络和卡尔曼滤波方法稍显复杂,但其预测误差更小,收敛性及稳定性均有所提高。最后,误差修正复值神经网络结合小波产生新型复小波神经网络,该网络聚集了神经网络和小波变换的优点,在并行处理大规模数据的同时还具有较强的学习能力、容错性和非线性逼近能力。复值函数逼近问题和异或问题的解决进一步验证了该新型小波神经网络算法的可靠性。4.新型递归神经网络的研究和应用。递归神经网络(RNN)由于其自身的反馈特征,能够获取系统的动态响应特征。与传统前馈神经网络(FNN)不同,RNN无需在层面之间进行模型构建,只需引入定向循环就能够很好地处理高维度信息的整体逻辑顺序。与传统的RNN不同,本文中的RNN的网络模型是根据凸优化问题最优性(KKT)条件进行构建,通过引入一个积分器避免了传统的梯度下降算法带来的不足,因此算法更易实现。为了验证该递归神经网络解决凸优化问题的可靠性,本文研究了凸二次约束二次规划问题,采用半正定放松(SDR)技术,提出了一种基于该RNN的MIMO检测算法。与迫零(ZF) MIMO检测算法相比,RNN MIMO检测算法误差性能更好。
【学位授予单位】:山东大学
【学位级别】:博士
【学位授予年份】:2015
【分类号】:TP183;TN929.53

【参考文献】
中国期刊全文数据库 前1条
1 江铭炎;袁东风;;基于序贯蒙特卡罗算法的多天线快时变信道的盲跟踪[J];通信学报;2007年02期
【共引文献】
中国期刊全文数据库 前10条
1 冯清海;袁万城;樊启武;;基于FE—ANN—MC的结构可靠度计算方法研究[J];四川建筑科学研究;2008年04期
2 李瑞琪;程乃伟;郭燕;;基于蚁群神经网络火灾信息处理技术研究[J];安防科技;2011年07期
3 李峻;孙世群;;基于BP网络模型的青弋江水质预测研究[J];安徽工程科技学院学报(自然科学版);2008年02期
4 张艳;张海军;;基于DSP的多通道超声波连续测厚系统的研究[J];安徽工程科技学院学报(自然科学版);2008年03期
5 王世东;陈杨;张本福;孙光灵;黄晓梅;;八叉树在三维建模中的应用[J];安徽建筑工业学院学报(自然科学版);2006年06期
6 王世东;;Voronoi在GCS建模中的应用[J];安徽建筑工业学院学报(自然科学版);2007年05期
7 祝翠;钱家忠;周小平;马雷;;BP神经网络在潘三煤矿突水水源判别中的应用[J];安徽建筑工业学院学报(自然科学版);2010年05期
8 李峻;孙世群;;BP神经网络在青弋江水质评价上的应用[J];安徽建筑;2008年03期
9 符保龙;;RBF网络在农业病虫害预测中的应用研究[J];安徽农业科学;2008年01期
10 李磊;孙卉;翟秋敏;郭志永;;RBF神经网络在平顶山市地表水评价中的应用[J];安徽农业科学;2008年26期
中国博士学位论文全文数据库 前10条
1 张帆;全景视觉图像质量优化方法研究[D];哈尔滨工程大学;2010年
2 冷欣;船用增压锅炉汽包水位预测控制方法研究[D];哈尔滨工程大学;2009年
3 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
4 杨宁;计算机辅助卷烟配方设计关键技术研究[D];中国海洋大学;2010年
5 汪木兰;神经网络硬化实现的共性技术在电力传动中应用研究[D];合肥工业大学;2010年
6 陈宇;电容层析成像反问题求解及图像重建算法研究[D];哈尔滨理工大学;2010年
7 陈文正;保险公司债券投资研究[D];南开大学;2010年
8 李琨;监控技术与涌现性分析在煤矿瓦斯灾害防治中的应用研究[D];昆明理工大学;2009年
9 胡小平;二硅化钼的高温摩擦学特性及其磨损率预测[D];武汉理工大学;2010年
10 杨娜;基于云参数干旱遥感监测模型与集合卡尔曼滤波的土壤湿度同化研究[D];武汉大学;2010年
中国硕士学位论文全文数据库 前10条
1 刘棉;人机划拳系统的实现[D];山东科技大学;2010年
2 滕景忠;智能瓦斯传感器的研制[D];山东科技大学;2010年
3 陈少华;基于Hopfield神经网络控制系统的研究[D];山东科技大学;2010年
4 李娜;基于神经网络的非线性系统H_∞控制[D];广西师范学院;2010年
5 吴家瑞;服装产品加工成本快速估算方法研究[D];浙江理工大学;2010年
6 范不井;某地区电网短期负荷预测研究[D];郑州大学;2010年
7 朱民杰;基于神经网络的心电图身份识别研究[D];郑州大学;2010年
8 雷明杰;神经网络和遗传算法在中厚板轧机中的应用研究[D];郑州大学;2010年
9 吴珺;数据挖掘技术在彩票销售数据分析中的应用研究[D];郑州大学;2010年
10 武文红;基于BP神经网络的半湿润平原井灌区土壤墒情预报研究[D];山东农业大学;2010年
【相似文献】
中国期刊全文数据库 前10条
1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期
2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期
3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期
4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期
5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期
6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期
7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期
8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期
9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期
10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期
中国重要会议论文全文数据库 前10条
1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年
2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集(上册)[C];2003年
3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年
9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
中国重要报纸全文数据库 前10条
1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年
2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年
3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年
4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年
5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年
7 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年
9 ;神经网络和模糊逻辑[N];世界金属导报;2002年
10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
中国博士学位论文全文数据库 前10条
1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年
2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年
3 曾喆昭;神经网络优化方法及其在信息处理中的应用研究[D];湖南大学;2008年
4 李洋;小波过程神经网络相关理论及其应用研究[D];哈尔滨工业大学;2008年
5 李辉;提高密度泛函理论方法计算吸收能的精度:神经网络和遗传算法[D];东北师范大学;2009年
6 陈先来;基于干细胞机制的进化神经网络及其应用研究[D];中南大学;2010年
7 王利利;神经网络的动力学分析及稳定性研究[D];复旦大学;2009年
8 马永涛;通信信道建模的神经网络优化技术研究[D];天津大学;2009年
9 周伟;关于多稳定回复式神经网络中的一些问题[D];电子科技大学;2010年
10 张海仙;回复式神经网络的连续吸引子[D];电子科技大学;2010年
中国硕士学位论文全文数据库 前10条
1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年
2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年
3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年
4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年
5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年
6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年
7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年
8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年
9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年
10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026